• 자유대화를 효과적으로 인식하기 위해 인공지능(AI) 기반 한국어 자유대화(일상대화) 데이터를 구축하며, 국민들에게 더욱 질 높은 인공지능(AI) 서비스를 제공 할 수 있는 양질의 학습데이터 확보하여 기술적 기반을 마련

• 음성인식, 음성언어처리, 자연어처리, 한국어 음성언어연구, 신호처리 등의 연구 분야와 온/오프라인 기반의 음성인식, AI비서, Voice Bot, Voice Command & Control, AI 로봇, 음성인식 기반 키오스크 등의 산업분야에 활용

• 자연어 자유대화 학습데이터셋은 일반 사용자들의 자유대화 음성데이터 및 음성데이터 전사결과, 녹음 대상자의 정보, 녹음환경 등의 정보를 포함한 메타데이터로 구성

   

• 10대에서 50대 사이의 일반인 남녀를 대상으로 데이터 수집
• 2,000명 이상의 발화자를 대상으로 4,000여 시간 음성 데이터 수집

• 발화데이터

   

• Jason 데이터

   

• 인공지능(AI)기반 음성인식 기술개발을 위해서는 실제 잡음 환경에서 한국인이 일상생활에서 사용하는 발화의 특징이 반영된 한국어 음성 데이터 구축이 절실함
• 신조어, 줄임말, 반복 등 문법에 맞지 않는 표현이나 실제로 한국인들이 일상생활에서 자주 사용하는 언어적 특징을 반영한 한국어 학습용 음성 데이터 구축이 필요
• 신조어, 줄임말, 반복 등 문법에 맞지 않는 표현이나 실제로 한국인들이 일상생활에서 자주 사용하는 언어적 특징을 반영한 한국어 학습용 음성 데이터 구축이 필요

• 데이터 형태

  데이터 형태 표

  수집 대상	형태
  원천데이터	o PCM(WAV) 음성 파일 o 대상자 및 대화 시나리오 정보를 포함한 음성파일
  메타데이터	o Json 형태 o 대상자 상세정보 (성별 / 연령 / 지역) o 녹음환경 정보 (실내 / 실외 : 대중교통, 거리 등) o 대화 주제 및 상세내용

   

  - 원천데이터(음성파일)과 메타데이터(Json)로 구분
  - 원천데이터(음성파일)은 각각의 파일명으로 구분 (Ex. sample1.wav)

   

• 어노테이션 포맷

  데이터 Naming 표

  대분류	속성표기	의미	타입	필수여부
  발화정보	recrdDt	녹음일시	String	Y
  	recrdTime	녹음시간	String	Y
  	stt	음성인식결과	String	Y
  	fileNm	파일명	String	Y
  	recrdQuality	녹음품질	String	Y
  	scriptSetNo	스크립트셋 번호	String
  	scriptId	스크립트ID	String
  대화정보	colctUnitCode	수집방법	String	Y
  	convrsThema	대화주제	String	Y
  	cityCode	지역	String	Y
  	recrdEnvrn	녹음환경	String	Y
  	recrdUnit	녹음도구	String	Y
  녹음자정보	recorderId	녹음자ID	String
  	gender	성별	String	Y
  	age	나이	String	Y

수행기관(주관) : NHN다이퀘스트

수행기관(참여)